Michal Sadowski

Founder at Brand24 - a social listening tool with 4000+ clients from 154 countries. Award-winning photographer & pretty average musician.

[Michal Sadowski @sadek]

Do dziś ponad 10 milionów odsłon tego klipu na różnych platformach. Promował Polskę na międzynarodowych targach, konferencjach. Leciał w polskich ambasadach na całym Świecie ❤️🔥

[Michal Sadowski @sadek]

This is Poland 🔥

[Michal Sadowski @sadek]

@boguszp Z nim to samo:)

[Michal Sadowski @sadek]

Przy całym tym AGI, 1M tokenowych kontekstach i modelach, które rozwiązują prawie 100-letnie problemy matematyczne - w wykorzystaniu ich do tworzenia produktów trzeba nadal wykazać się ekstremalną czujnością.

Dziś w rozmowie z Astrą, model 3-krotnie przekonywał mnie, że moduł, który próbuje zbudować jest niemożliwy do stworzenia. Udowodniłem, że możliwe po czym uslyszałem tradycyjne "masz racje".

Jakość inteligencji modelu w niszowych, słabo opisanych w sieci obszarach spada bardzo odczuwalnie.

[Michal Sadowski @sadek]

@pobidowski gratulacje!

[Michal Sadowski @sadek]

@piotrek_nowy @WojenneH

[Demis Hassabis @demishassabis]

With AlphaFold we mapped the protein universe - now with AlphaGenome Atlas we’re charting the human genome. It can predict the impact of all 9 billion possible single-letter DNA variants, helping scientists better understand disease. Freely available for academic research: https://t.co/Gsy6lW3z6O

[Michal Sadowski @sadek]

Wprawdzie obejrzałem po raz 14sty w zeszłym roku, no ale jak taka okazja i nowy dokument to trzeba będzie i 15sty raz obejrzeć.

[Michal Sadowski @sadek]

@tomik99

[Michal Sadowski @sadek]

@Mogusion85 u mnie tez ale już wrocily

[Michal Sadowski @sadek]

@pobidowski Złote czasy ❤️

[Michal Sadowski @sadek]

@MAXIMISEART pięknie napisane 🎯

[Michal Sadowski @sadek]

@LiamAITools dobry cytat <3

[Michal Sadowski @sadek]

Większość nowych produktów tworzonych przy pomocy najlepszych modeli AI to straszne gówno i slop 🤬

Interfejs wielu aplikacji powstających przy użyciu Claude Code, czy Codex robi niezłe pierwsze wrażenie, ale drugie pozostawia wiele do życzenia.

Wykazują często kompletne niezrozumienie potrzeb użytkownika, produkują ściany tekstu, błędy UX. Błędy, które spotykają się z reakcją „Masz rację! Już poprawiam".

Obserwujemy wysyp appek na App Store, których, których nikt nie pobiera i nigdy nie pobierze. Po raz pierwszy w historii amerykański App Store zaliczył spadek wydatków użytkowników rok do roku

Wąskie gardło przesuwa się z „jak to zaimplementować” na „co w ogóle powinno powstać".
AI przejmuje coraz większą część implementacji, ale odpowiedzialność za produkt, priorytety i jakość decyzji nadal pozostaje po stronie człowieka.

Dlatego bezcenne są teraz osoby znające się na budowie produktu, zrozumieniu potrzeb klienta i umiejętności przetłumaczenia tych potrzeb na interfejs.

Jak pracować nad tego typu kompetencjami? Przy każdym punkcie dorzuciłem praktyczny sposób rozwoju w tych obszarach, bo sam ma dość wpisów, które mówią, że trzeba się w czymś rozwijać, a nie mówią jak 😅

1. Pracuj nad zrozumieniem klienta

Umiejętność wejścia w buty użytkownika staje się jedną z najważniejszych kompetencji. Musisz rozumieć jego potrzeby, kontekst i frustracje oraz przewidywać miejsca, w których produkt może sprawić mu problem.

Nie chodzi tylko o analizę danych czy przeczytanie kilku ticketów. Rozmawiaj z klientami. Najlepiej swobodnie, bez mechanicznego przechodzenia przez listę pytań. Dobra rozmowa pozwala naprawdę zrozumieć człowieka, a dopiero później samemu odpowiedzieć sobie na pytania z ankiety czy scenariusza wywiadu.

Praktyka: umów sobie minimum jedną rozmowę z klientem tygodniowo i po każdej zapisz trzy rzeczy, których wcześniej o jego problemie nie wiedziałeś.

2. Najważniejsze pytanie brzmi: co warto zbudować?

Co jest naprawdę potrzebne? Co powinno wejść do v1? Co można wyrzucić? Od czego zacząć?
Nie myl „wiem, jak to zrobić” z „wiem, co powinno powstać”. W świecie, w którym implementacja staje się coraz tańsza, przewagę będzie miał ten, kto najlepiej wybiera problemy, ustala priorytety i potrafi powiedzieć: „tego nie budujemy”.

Praktyka: przed rozpoczęciem projektu spróbuj zdestylować ilość funkcji do 1-2 bez których produkt zwyczajnie nie ma sensu.

3. Myśl językiem korzyści, a nie językiem funkcji

Patrz na cały problem użytkownika, a nie tylko na pojedynczy ekran, endpoint czy funkcję.
Liczą się priorytety, zakres, kontekst użytkownika i oczekiwany rezultat. Bardzo ważna staje się też umiejętność powiedzenia „wystarczy” - zamiast dokładania kolejnych funkcji tylko dlatego, że AI może je wygenerować w kilka minut.

Praktyka: każdą funkcję, którą chcesz zbudować, opisz jednym zdaniem w formacie „dzięki niej użytkownik ..." i wskaż wartość w postaci szybkości, zaoszczędzonych godzin, ciekawszych wniosków, itd.

4. Zrozum lejek i podstawy analityki

Musisz umieć zobaczyć, gdzie użytkownicy odpadają i dlaczego. Jeśli 70% osób rozpoczyna onboarding, ale tylko 20% dochodzi do pierwszej wartości produktu, powinieneś potrafić znaleźć wąskie gardło, postawić hipotezy i zdecydować, co warto zmienić. Dobra intuicja produktowa jest super. Intuicja wsparta danymi jest jednak największym kocurem.

Praktyka: analizy lejka można się uczyć dziś wszędzie. Możesz analizować ruch na swoim koncie na Instagramie, kanale Youtube, prywatnym blogu, koncie na Linkedin. Wszędzie tam są podstawowe narzędzia analityczne, które pozwalają zrozumieć istotę lejka konwersji.

5. Rozwijaj wyczucie UX i estetyki

Musisz potrafić odróżnić dobry produkt od AI slopu. Rozumieć hierarchię informacji, właściwy balans między tekstem a interfejsem, zauważać niepotrzebne elementy i podstawowe błędy UX: kluczowe CTA schowane pod foldem, przeładowany ekran, brak jasnego następnego kroku czy pięć elementów walczących jednocześnie o uwagę użytkownika.

Praktyka: przeglądaj serwisy eksponujące dobry UX/UI i tłumaczące dlaczego. Czytaj przypadku użycia, wyniki testów AB, których w publicznej sieci są tysiące.

6. Naucz się dobrze żyć z AI

Prototypuj. Buduj małe narzędzia. Testuj Claude Code, Codex i kolejne modele. Poznaj ich mocne strony, ograniczenia i typowe błędy. Nie wystarczy umieć pisać prompty. Najlepsi produktowcy i programiści będą traktowali AI nie jak autocomplete, ale jak zespół bardzo szybkich, bardzo zdolnych, ale wymagających mocnej kontroli współpracowników.

Praktyka: stwórz własny projekt po godzinach. Narzędzie, produkt, stronę, którą możesz rozwijać i uczyć się technologii i narzędzi na żywym organiźmie.

7. Nie ma świętych nawyków

Wzorce, architektury i sposoby pracy, stosowane przez ostatnie lata, były odpowiedzią na świat, w którym napisanie kodu było drogie.

Praktyka: raz na jakiś czas zakwestionuj jedną „oczywistą” zasadę swojej pracy.

8. Ćwicz ocenę

AI będzie coraz lepsze w generowaniu możliwości. Twoją przewagą będzie umiejętność wyboru.
Który problem jest ważny? Które rozwiązanie jest dobre? Co uprościć? Co usunąć? Kiedy przestać iterować? Czy użytkownik naprawdę tego potrzebuje?

Praktyka: wybierając różne opcje wdrożenia, staraj się odpowiedzieć przed sobą na pytania: dlaczego ta opcja bardziej mi leży?

--

Mam nadzieję, że moje powyższe wypociny się przydadzą! Jeśli udało Ci się dotrzeć do końca - daj znaka zostawiając komentarz (choćby "sadek to parówa"), a najlepiej dzieląc się swoimi przemyśleniami o tym jak produkować z AI rzeczy, które nie pachną na kilometr AI Slopem 💚

[Michal Sadowski @sadek]

@Karol_Dec To prawda. W USA sprzedaż jest na mega poziomie 💪

[Michal Sadowski @sadek]

@matadcze racja - dopisuje!

[Michal Sadowski @sadek]

@TheRedmenTV Feel sorry for Cody. Very good player. Always giving 100%, yet blamed for everything last season. We were such a toxic supporters towards him. Small Wonder he wants to leave.

[Michal Sadowski @sadek]

@David_Ornstein @TheAthleticFC We don't deserve Cody. Our fanbase was so toxic towards him last season. Blamed for everything wrong with Liverpool.

[Mgoes (bio/acc 🤖💉) @m_goes_distance]

all you have to do is stay alive for the next 5 years

just look at what we achieved in the last 12 months alone:

→ a garage chemist designed a real Alzheimer's drug candidate using an AI coding tool to run his own lab robot
→ a hepatitis B therapy eliminated the virus's hidden reservoir in human liver tissue for the first time in 40 years
→ CRISPR learned to insert DNA without ever cutting it, at 89% efficiency
→ a dog got a personalized cancer vaccine designed by its owner using ChatGPT and AlphaFold, and the tumor shrank
→ a baby with a fatal genetic disorder went from diagnosis to a custom CRISPR cure in 6 months
→ an AI research agent with no pharma budget found leukemia drugs that killed real cancer cells in a lab
→ an FDA committee voted to legalize six peptides that started in the grey market
→ Casgevy, the first ever CRISPR cure, dropped its minimum age from 12 to 2
→ AI designed proteins scientists could actually test in the lab
→ personalized cancer vaccines started targeting individual tumors
→ the FDA fast-tracked therapies for ultra-rare diseases
→ genome-editing platforms became reusable instead of built from zero each time
→ gene editing shifted from "can we edit DNA" to "how fast can we reuse what works"
→ lab-grown tissue restored real biological function
→ biological tracking went from a biohacker hobby to billion-dollar infrastructure

bio/acc

[Michal Sadowski @sadek]

@thewoz precedens jednak jest